CN113345242A - 检测加塞车辆的方法、装置及设备 - Google Patents
检测加塞车辆的方法、装置及设备 Download PDFInfo
- Publication number
- CN113345242A CN113345242A CN202010100187.8A CN202010100187A CN113345242A CN 113345242 A CN113345242 A CN 113345242A CN 202010100187 A CN202010100187 A CN 202010100187A CN 113345242 A CN113345242 A CN 113345242A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- information
- lane
- congestion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种检测加塞车辆的方法、装置及设备,包括:获取道路对应的视频,视频中记录了行驶于道路上的至少一个车辆的信息,根据视频获得至少一个车辆的行驶轨迹,根据至少一个车辆的行驶轨迹确定潜在加塞车辆,所确定的潜在加塞车辆在当前时刻或历史时刻存在加塞行为,进一步获取与道路对应的路况信息,根据路况信息在潜在加塞车辆中确定加塞车辆。本申请通过行驶轨迹确定潜在加塞车辆,并通过路况信息从潜在加塞车辆中确定加塞车辆,可以避免现有技术中直接将存在加塞行为的车辆确定为加塞车辆造成的误判,从而提高了确定加塞车辆的可靠性和准确性。
Description
技术领域
本公开涉及智慧交通领域,尤其涉及检测加塞车辆的方法、装置及设备。
背景技术
加塞是指驾驶机动车遇前方机动车停车排队或者缓慢行驶时,借道超车或者占用对面车道、穿插等候车辆的行为。车辆加塞是交通领域常见的违法行为,不仅严重影响城市的交通运行效率,也是导致交通事故的主要因素。
在现有技术中,检测车辆加塞的方法较为简单,导致存在较大概率的误检测问题。
发明内容
本公开实施例提供了一种检测加塞车辆的方法、装置及设备。
根据本公开实施例的一个方面,本公开实施例提供了一种加塞车辆检测的方法,所述方法包括:
获取道路对应的视频,该视频中记录了行驶于所述道路上的至少一个车辆的信息;
根据该视频获得至少一个车辆的行驶轨迹;
根据至少一个车辆的行驶轨迹确定潜在加塞车辆,其中,潜在加塞车辆在当前时刻或历史时刻存在加塞行为;
获取与道路对应的路况信息,根据路况信息在潜在加塞车辆中确定加塞车辆。
在本公开实施例中,通过行驶轨迹确定潜在加塞车辆,并通过路况信息从潜在加塞车辆中确定加塞车辆,可以避免现有技术中直接将存在加塞行为的车辆确定为加塞车辆造成的错误的判定出加塞车辆的弊端,从而提高确定加塞车辆的可靠性和准确性。
在一些实施例中,根据路况信息在潜在加塞车辆中确定加塞车辆,包括:
根据路况信息确定道路中的无效加塞区域;
判断潜在加塞车辆的加塞行为是否发生在确定的无效加塞区域中;
将潜在加塞车辆中的加塞行为不是发生在无效加塞区中的车辆确定为所述加塞车辆。
在本公开实施例中,通过对无效加塞区域进行确定,以便通过潜在加塞车辆的加塞行为与无效加塞区域的关系确定出加塞车辆,筛除了潜在加塞车辆中实际不应被判断为加塞车辆的车辆,从而实现加塞车辆的准确判断。
在一些实施例中,所述路况信息包括以下信息中的一种或多种:在历史时段在所述道路上行驶的车辆的历史轨迹、所述道路的标线信息和当前时刻有关所述道路的交通事件信息。
在一些实施例中,当所述路况信息包括在历史时段在所述道路上行驶的车辆的历史轨迹时,则根据所述路况信息确定所述道路中的无效加塞区域包括:
对历史轨迹进行轨迹相似性计算;
将轨迹相似性大于预设的相似性阈值的历史轨迹确定为同一车道对应的历史轨迹;
对所述同一车道对应的历史轨迹进行聚类处理,确定与各车道对应的标准轨迹;
根据两相邻车道对应的标准轨迹确定所述无效加塞区域。
在一些实施例中,当所述路况信息包括所述道路的标线信息时,则根据所述路况信息确定所述道路中的无效加塞区域包括:
计算所述道路的任一两相邻车道的标线信息之间的距离;
若计算得到的距离小于预设的标线距离阈值,则将小于所述标线距离阈值对应的区域确定为所述无效加塞区域。
在一些实施例中,当所述路况信息包括所述当前时刻有关所述道路的交通事件信息时,则根据所述路况信息确定所述道路中的无效加塞区域包括:
根据所述当前时刻有关所述道路的交通事件信息确定发生交通事件的位置信息;
根据确定出的位置信息确定所述无效加塞区域。
在一些实施例中,根据确定出的位置信息确定所述无效加塞区域包括:
根据预设的范围阈值和确定出的位置信息确定所述无效加塞区域。
在一些实施例中,获取所述道路中的无效加塞区域数据,根据所述无效加塞区域数据在所述潜在加塞车辆中确定加塞车辆。
在一些实施例中,所述方法还包括:
根据所述行驶轨迹计算所述加塞车辆对所述道路的通行效率的影响值;
当所述影响值大于预设的影响阈值,生成告警信息。
在本公开实施例中,生成告警信息,以便相关工作人员基于告警信息采取相应的措施缓解交通压力,从而实现尽快解决交通拥堵问题,确保交通安全的技术效果。
在一些实施例中,所述生成告警信息包括:
确定预设时长内所述加塞车辆的变道信息,所述变道信息包括变道前后的车道信息以及变道频率;
根据所述变道信息生成所述告警信息。
在一些实施例中,所述告警信息中携带对车道设置的调整信息和/或对交通设施的调整信息。
在一些实施例中,所述车道设置的调整信息可包括:设置左转待行区和/或右转待行区。
在一些实施例中,所述左转待行区为一拖二左转待行区;
所述右转待行区为一拖二右转待行区。
在一些实施例中,所述车道设置的调整信息包括:将部分直行车道设置为左转车道和/或将部分直行车道设置为右转弯车道。
在一些实施例中,所述车道设置的调整信息包括:设置直行车道待行区。
在一些实施例中,所述车道设置的调整信息可包括:设置可变车道。
在一些实施例中,所述交通设施的调整信息包括:将对应的车道虚线调整成实线或者在车道线上设置护栏。
根据本公开实施例的另一个方面,本公开实施例还提供了一种加塞车辆检测的装置,所述装置包括:
采集模块,用于获取道路对应的视频,所述视频中记录了行驶于所述道路上的至少一个车辆的信息;
数据处理模块,用于根据所述视频获得所述至少一个车辆的行驶轨迹;
加塞检测模块,用于根据所述至少一个车辆的行驶轨迹确定潜在加塞车辆,所述潜在加塞车辆在当前时刻或历史时刻存在加塞行为;
所述加塞检测模块还用于,获取与所述道路对应的路况信息,根据所述路况信息在所述潜在加塞车辆中确定加塞车辆。
在一些实施例中,所述加塞检测模块具体用于,根据所述路况信息确定所述道路中的无效加塞区域,判断所述潜在加塞车辆的加塞行为是否发生在所述无效加塞区域中,将所述潜在加塞车辆中的加塞行为不是发生在所述无效加塞区中的车辆确定为所述加塞车辆。
在一些实施例中,所述路况信息包括以下信息中的一种或多种:在历史时段在所述道路上行驶的车辆的历史轨迹、所述道路的标线信息和当前时刻有关所述道路的交通事件信息。
在一些实施例中,所述加塞检测模块还用于,获取所述道路中的无效加塞区域数据,根据所述无效加塞区域数据在所述潜在加塞车辆中确定加塞车辆。
在一些实施例中,所述装置还包括:
推荐模块,用于根据所述行驶轨迹计算所述加塞车辆对所述道路的通行效率的影响值,并当所述影响值大于预设的影响阈值,生成告警信息。
在一些实施例中,所述推荐模块用于,确定预设时长内所述加塞车辆的变道信息,所述变道信息包括变道前后的车道信息以及变道频率,并根据所述变道信息生成所述告警信息。
根据本公开实施例的另一个方面,本公开实施例还提供了一种电子设备,所述电子设备包括处理器和存储器,其中:
所述存储器中存储有计算机指令;
所述处理器执行所述计算机指令,以执行如上实施例的任一方面所述的方法。
根据本公开实施例的另一个方面,本公开实施例还提供了一种计算机可读存储介质,存储有计算机指令,当所述计算机指令被计算机执行时,所述计算机执行如上任一实施例所述的方法。
根据本公开实施例的另一个方面,本公开实施例还提供了一种计算机程序产品,当所述计算机程序产品在处理器上运行时,可实现如上任一项实施例所述的方法。
附图说明
附图用于更好地理解本公开实施例,不构成对本公开的限定。其中,
图1为本公开实施例的加塞车辆检测的方法的应用场景的示意图;
图2为本公开实施例的加塞车辆检测的方法的应用场景的示意图;
图3为本公开实施例的加塞车辆检测的方法的流程示意图;
图4为本公开实施例的将满足预设条件的车辆确定为潜在加塞车辆的方法的流程示意图;
图5为本公开实施例的显示界面示意图;
图6为本公开实施例的基于历史轨迹生成无效加塞区域的方法的流程示意图;
图7为本公开实施例的历史轨迹和标准轨迹的示意图;
图8为本公开另一实施例的显示界面示意图;
图9为本公开另一实施例的显示界面示意图;
图10为本公开另一实施例的显示界面示意图;
图11为本公开另一实施例的显示界面示意图;
图12为本公开另一实施例的显示界面示意图;
图13为本公开另一实施例的显示界面示意图;
图14为本公开实施例的加塞车辆检测的装置的框图;
图15为本公开另一实施例的加塞车辆检测的装置的框图;
图16为本公开实施例的电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
为了减少交通事故,并提高交通运行效率,通常会对加塞车辆进行检测。其中,加塞车辆用于发生加塞行为的车辆,而加塞行为用于表征当前车辆车遇前方车辆停车排队或者缓慢行驶时,借道超车或者占用对面车道、穿插等候车辆的行为。加塞行为是交通领域常见的违法行为,不仅严重影响城市的交通运行效率,也是导致交通事故的主要因素。据统计,一辆车的强行变道加塞行为,会导致约7辆车的通行延误,一次红绿灯的车辆通行量减少30%至40%,整体交通流恢复到有序畅通的状态至少需要两个信号灯周期。此外,城市交通事故中50%属于刮蹭追尾事故,而刮蹭追尾事故中又有50%是由加塞引起。且,《道路交通安全法》第45条第1款、第90条、《机动车驾驶员证申领使用规定》的规定,遇前方车辆停车排队或者缓慢行驶时,借道超车或者占用对面车道、穿插等候车辆的同样也会受到处罚,100元罚款、记2分。
相关技术中采用的加塞车辆检测的方法包括:判断车辆行驶的道路的各个车道是否排队和/或拥堵,如果某一车道存在排队和/或拥堵,则将从另一车道穿插至该车道的车辆识别为加塞车辆。但是,在某些情况下,符合上述判断条件的车辆并非为加塞车辆,比如车道减少、车道存在事故车辆、车道施工等情况。因此,需要提供一种能够准确检测某车辆是否为加塞车辆的方法。在对本公开实施例提供的加塞车辆检测的方法介绍之前,先对本公开实施例的加塞车辆检测的方法的应用场景进行详细阐述。
本公开实施例的加塞车辆检测的方法可以应用于对行驶于道路上的车辆是否为加塞车辆进行检测。加塞车辆检测的方法的执行主体可以为加塞车辆检测的装置(后文简称检测装置),该检测装置可以包括设置于道路至少一侧的图像采集器,以便由图像采集器采集道路对应的视频。其中,图像采集器可以包括具有拍摄功能的设备,如电警卡口抓拍机。当然,检测装置可以为具有通信功能,且具有数据处理功能的服务器,该服务器与设置于道路至少一侧的图像采集器连接,并基于通信功能接收图像采集器发送的视频。
示例性地,如图1所示,检测装置可以运行在云计算设备***(可以包括至少一个云计算设备,如服务器等),也可以运行在边缘计算设备***(可以包括至少一个边缘计算设备,如服务器、台式电脑等),还可以运行在各种终端计算设备上(如笔记本电脑、个人台式电脑等)。
检测装置在逻辑上也可以是由各个部分构成的装置,如检测装置可以包括采集模块、数据处理模块和加塞检测模块等。加塞车辆检测的装置中的各个组成部分可以分别部署在不同的***或者服务器中。检测装置的各个部分可以分别运行在云计算设备***、边缘计算设备***、终端计算设备中的任意两个中。云计算设备***、边缘计算设备***和终端计算设备之间由通信通路连接,可以互相进行通信和数据传输。
请参阅图2,图2为本公开实施例的加塞车辆检测的方法的应用场景的示意图。
在如图2所示的应用场景中,道路上行驶的车辆包括四辆,且分别为车辆1、车辆2、车辆3和车辆4,可由设置于道路一侧的图像采集装置5对道路对应的视频和路况信息进行采集,并将采集到的视频和路口信息均发送至与图像采集装置5通信连接的服务器6,服务器6对接收到的视频和路况信息进行分析,以便确定四辆车辆中是否存在加塞车辆。在该应用场景下,本申请中的检测装置可以为图2中的服务器6,或者为图2中的服务器6上运行的软件***,或者图2中的图像采集装置5和服务器6可以共同称为本申请中的检测装置。
下面以具体地实施例对本公开的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本公开的实施例进行描述。
根据本公开实施例的一个方面,本公开实施例提供了一种加塞车辆检测的方法。
请参阅图3,图3为本公开实施例的加塞车辆检测的方法的流程示意图。
如图3所示,该方法包括:
S101:采集道路对应的视频。
其中,视频中记录的信息包括但不限于道路的车道信息和行驶于道路的车辆的信息。其中,车道信息包括车道的数量和车道线等信息;车辆的信息包括车辆的车牌、车辆的型号和车辆的位置等信息。
其中,关于本公开实施例的加塞车辆检测的方法的执行主体可参见上述描述,此处不再赘述。
值得说明的是,上述示例只是用于示范性地说明得到视频的方式,而不能理解为对本公开实施例的得到视频的方式的具体限定,也不能理解为对本公开实施例的执行主体的具体限定。
S102:根据视频生成行驶于道路的车辆的行驶轨迹。
其中,行驶轨迹是指记录了车辆在不同时刻的地理位置的序列。
例如,检测装置在采集到视频后,对视频的内容进行检测,得到视频的每个时刻对应的视频帧中记录的车辆在图像中的位置,进而根据图像采集器和被拍摄的交通道路的标定关系得到每一时刻的车辆在交通道路的地理位置,一辆车在各个时刻的地理位置构成的序列为该车辆的行驶轨迹。且,根据某车辆的行驶轨迹可以计算得到该车辆在某个时刻或者某个地理位置时的速度和角度等信息。
S103:将满足预设条件的车辆确定为潜在加塞车辆。
其中,预设条件包括:行驶轨迹表明某车辆存在变道行为和加塞行为;以及变道后的车道处于拥堵状态。
结合图4可知,在一些实施例中,该步骤可具体包括:
S31:根据行驶轨迹判断车辆是否存在变道行为,若是,则执行S32;若否,则执行S35,该车辆为非潜在加塞车辆。
例如,若根据某车辆的行驶轨迹可知,该车辆在第一时长内的行驶轨迹(后文简称第一子轨迹)均处于第一车道,该车辆在第二时长内的行驶轨迹(后文简称第二子轨迹)均处于第二车道,该车辆在第三时长内的行驶轨迹(后文简称第三子轨迹)为发生变道动作对应的行驶轨迹,即第三子轨迹中的部分轨迹处于第一车道,部分轨迹处于第二车道,第一车道和第二车道为相邻的车道,第二时长内的任一时刻均为第三时长内的任一时刻之前的时刻,且第二时长内的任一时刻均为第一时长内的任一时刻之后的时刻,则可确定该车辆为存在变道行为的车辆,且可将第一车道确定为初始车道,第二车道确定为变道后的车道(后文简称目标车道)。
图5为一段视频中顺序时间段内的几个时刻对应的视频帧记录的道路的画面,结合图5中的2-1至2-4可知,若车辆C的第一子轨迹均处于车道2,第二子轨迹均处于车道1,第三轨迹部分处于车道1,部分处于车道2,则可确定车辆C为存在变道行为的车辆,且车道2为车辆C的初始车道,车道1为车辆C的目标车道。
在一些实施例中,确定某时长内的行驶轨迹是否处于同一车道(以车道2为例)的方法可以包括:计算该时长内的行驶轨迹与车道2的标准轨迹的距离,判断该时长内的行驶轨迹与车道2的标准轨迹的距离与预设的第一阈值的大小,若该时长内的行驶轨迹与车道2的标准子轨迹的距离小于第一阈值,则该时长内的行驶轨迹处于车道2中,即该时长内的行驶轨迹处于同一车道。
其中,某车道的标准轨迹可以基于该车道的车道线确定,也可以对历史车辆的行驶轨迹进行聚类等计算确定,还可以基于需求或经验进行确定。且,第一阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
在一些实施例中,确定某时长内的行驶轨迹(以第三子轨迹为例)是否发生变道动作包括:确定第三子轨迹所在的曲线,计算该曲线与初始车道方向的夹角(其中,初始车道方向可以为该车道的车道线的方向),判断该曲线与初始车道方向的夹角与预设的第二阈值的大小,若该曲线与初始车道方向的夹角大于第二阈值,且第三子轨迹的起始轨迹处于第二车道,终点轨迹处于第一车道,则确定车辆存在变道行为。
如图5中的2-2所示,车辆C的第三子轨迹所在的曲线与车道2(车辆C的初始车道)方向的夹角为α,且α大于第二阈值,则说明第三子轨迹为车辆C发生变道动作时对应的行驶轨迹。
同理,第二阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
S32:判断车辆变道后所处的车道(即目标车道)是否拥堵,若是,则执行S33;若否,则执行S35,该车辆为非潜在加塞车辆。
该步骤可具体包括:确定目标车道中与存在变道行为的车辆(如上述示例中的车辆C)的距离小于预设的第三阈值的车辆,确定与存在变道行为的车辆(如上述示例中的车辆C)的距离小于预设的第三阈值的车辆的行驶轨迹,根据确定出的车辆的行驶轨迹计算确定出的车辆的平均速度,判断该平均速度与预设的第四阈值的大小,若该平均速度小于第四阈值,则确定目标车道拥堵。
同理,第三阈值和第四阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
值得说明的是,当平均速度小于第一阈值时,则说明确定出的车辆的整体车速比较缓慢,而在车道畅通的情况下,车辆行驶的速度一般不会缓慢,因此当平均速度小于第一阈值时,可以确定目标车道处于拥堵的状态。而与车辆C之间的距离很远的车辆对车辆C(或者对车辆C周围的车辆)的速度不会造成太大的影响,因此,通过第三阈值对进行计算平均速度的车辆进行确定,可以确保后续进行平均速度计算的准确性和可靠性,进而实现准确的判断出目标车道拥堵。
S33:判断车辆是否存在加塞行为,若是,则执行S34;若否,则执行S35。
S34:将车辆确定为潜在加塞车辆。
S35:将车辆确定为非潜在加塞车辆。
基于上述示例,结合图5可知,该步骤可具体包括:确定车道1(即目标车道)中与车辆C前后相邻的车辆,结合图5中的2-3可知,车辆C前后相邻的车辆为车辆A和车辆B,则根据车辆A的行驶轨迹和车辆B的行驶轨迹确定车辆A与车辆B之间的距离,判断该距离与预设的第五阈值的大小若该距离小于第五阈值,则确定车辆C存在加塞行为。
同理,第五阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
应理解,将道路对应的视频中检测到的部分或全部车辆一一执行上述步骤S31-S35即可以确定道路中的潜在加塞车辆,即满足上述预设条件的车辆为潜在加塞车辆。
S104:获取道路对应的路况信息,根据路况信息确定所述道路的无效加塞区域。
其中,路况信息包括在历史时段在所述车道上行驶的车辆的历史轨迹、该道路的标线信息和当前时刻与道路相关的交通事件信息中的至少一种。
其中,根据在历史时段在所述车道上行驶的车辆的历史轨迹,确定无效加塞区域的阐述如下:
历史轨迹是指在预设的第二时长内采集到的行驶于该道路的各车辆对应的行驶轨迹,例如,采集一周内行驶于该道路的所有车辆的行驶轨迹,并对该历史轨迹进行分析,确定出加塞车辆的无效判断的区域。而在无效加塞区域内,即便某车辆满足上述预设条件,也不是加塞车辆,而是非加塞车辆。
值得说明的是,在本公开实施例中,通过基于历史轨迹确定无效加塞区域,可避免因道路设计等因素造成的加塞车辆的误判,如在某个区域,由三车道变为两车道,则从三车道中的一条车道到达该区域中的所有车辆均需变道到另一条车道才能继续行驶,因此,这种由于道路设计因素导致的车辆加塞虽然也可能满足前述加塞判断的预设条件,但该区域可以被认为是无效加塞区域,即在该区域出现的潜在加塞车辆实际为非加塞车辆。通过基于历史轨迹可实现确定出的无效加塞区域可以避免由人工等方式进行划分造成的准确度偏低,且时间上延后的问题,从而实现提高加塞车辆检测的有效性和可靠性。
结合图6可知,在一些实施例中,基于历史轨迹生成无效加塞区域,具体包括:
S41:对历史轨迹进行轨迹相似性计算,将轨迹相似性大于预设的相似性阈值的历史轨迹确定为同一车道对应的历史轨迹。
其中,轨迹相似性用于表征各历史轨迹之间的相似程度,且可用于评估各历史轨迹之间的距离,若某条历史轨迹的轨迹相似性较大,则说明该两条历史轨迹之间的距离越短,则说明该两条历史轨迹位于同一车道的可能性越大,因此,可将该两条历史轨迹确定为同一车道对应的历史轨迹。
其中,相似性阈值为用于衡量不同历史轨迹的车辆是否位于相同车道的参数。同理,相似性阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
在一些实施例中,计算两条历史轨迹之间的距离的方法可包括:垂直于车道方向作等间距分割线,生成分割区间,针对每条历史轨迹,将历史轨迹与分割线的交点顺序相连,生成预处理后的历史轨迹,并计算预处理后的两条历史轨迹之间的距离。
其中,包括两条历史轨迹,分别为T1和T2,为清楚区分预处理前后的历史轨迹。
其中,计算预处理后的两条历史轨迹之间的距离可采用豪斯多夫(hausdorff)距离计算实现,具体算法可参见现有技术,此处不再赘述。
在一些实施例中,若预处理后的历史轨迹T1跨越4个分割区间,预处理后的历史轨迹T2跨越6个分割区间,在计算预处理后的两条历史轨迹的之间的距离时,分别计算预处理后的两条历史轨迹在跨越相同的4个分割区间内的距离,并计算4个距离的和,以便将该计算得到的和标记为两条历史轨迹之间的距离。
S42:对同一车道对应的历史轨迹进行聚类处理,确定与各车道对应的标准轨迹。
在经过S41之后,可确定与各车道对应的历史轨迹,在该步骤中,针对每个车道,对该车道对应的历史轨迹进行聚类处理,在聚类处理后,可得到一条标准轨迹,标准轨迹用于表征该车道对应的历史轨迹的规律,且标准轨迹对应的历史轨迹可以称为该标准轨迹的子轨迹。
例如,某车道对应n条历史轨迹,则对该n条历史轨迹进行聚类处理,得到一条标准轨迹,则n条历史轨迹中的任一条历史轨迹均可称为该标准轨迹的子轨迹。
在一些实施例中,可通过基于密度的聚类算法(Density-Based SpatialClustering of Applications with Noise,DBSCAN)对某车道对应的历史轨迹进行聚类处理,对于聚类处理得到的每个簇内的历史轨迹,计算每条分割线与历史轨迹的交点的均值,从而生成标准轨迹。其中,历史轨迹和标准轨迹的示意图可参阅图7。
S43:根据两相邻车道对应的标准轨迹确定无效加塞区域。
该步骤可具体包括:计算两相邻车道对应的两条标准轨迹在同一分割区间内的hausdorff距离,当hausdorff距离小于预设的距离阈值,则确定出hausdorff距离小于的距离阈值的点,根据两条标准轨迹和该点生成无效加塞区域。
其中,距离阈值为用于衡量两相邻车道的两条标准轨迹在同一分割区间内的距离的参数。
当然,在一些实施例中,也可由工作人员根据历史轨迹手动确定无效加塞区域。
现以图8为例对该步骤进行详细阐,如图8所示,某道路共包括三条车道,且三条车道对应的标准轨迹分别为T1、T2和T3。
在一些实施例中,结合图8中的5-1可知,T1和T2互为相邻的标准轨迹,T2和T3互为相邻的标准轨迹。且,T1和T2在同一分割区间内的hausdorff距离均大于或等于距离阈值,则可将T1和T2围成的A1确定为有效加塞区域。而T2和T3在初始阶段时,T2和T3在同一分割区间内的hausdorff距离均大于或等于距离阈值,而在F点起,T1和T2在同一分割区间内的hausdorff距离小于距离阈值,则根据F点做垂直与T2垂线,并得到垂直与T2的点,以便生成无效加塞区域A2。
在另一些实施例中,结合图8中的5-2可知,T1和T2互为相邻的标准轨迹,T2和T3互为相邻的标准轨迹。且,T1和T2在同一分割区间内的hausdorff距离均大于或等于距离阈值,则可将T1和T2围成的A1确定为有效加塞区域。而T2和T3在初始阶段时,T2和T3在同一分割区间内的hausdorff距离均小于距离阈值,而在F点起,T1和T2在同一分割区间内的hausdorff距离均大于或等于距离阈值,则根据F点做垂直与T2垂线,并得到垂直与T2的点,以便生成无效加塞区域A2。
同理,距离阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
结合上述示例可知,在本公开实施例中,若由两条车道汇聚成一条车道,则可经过上述方法生成相应的无效加塞区域;若由一条车道分散成两条车道,则也可经上述方法生成相应的无效加塞区域。通过对无效加塞区域进行确定,以便精确的确定出某潜在加塞车辆是否为加塞车辆。
上述示例示范性地描述了基于历史轨迹确定无效加塞区域,现对标线信息以及基于标线信息确定无效加塞区域进行阐述如下:
标线信息用于表征对车道进行标识的标识线的信息,如车道线。
值得说明的是,标线信息可至少分为两种情况,一种情况为标线信息为基于采集到的视频确定的标线信息;另一种情况为标线信息为实时接收到的标线信息。
现以标线信息包括车道线为例进行说明。
一般而言,车道上的车道线由工作人员实地进行作业完成,而完成作业后,可能会三天或者更长的时间才会将标识后车道线通过网络进行发布,使得各服务器等设备对车道线的更新。而本公开实施例的方法,可以为实时对加塞车辆进行检测,也可以为基于预设时间间隔对加塞车辆进行检测,如每隔半天或一天半个小时对加塞车辆进行检测,且具体检测时间可基于需求进行设定,如每隔半天进行半个小时的加塞车辆检测。因此,在本公开实施例中,可基于车道线的来源将车道线分为上述两种情况。通过采用第一种情况,可获取最新动态的车道线,以及时获取车道线的变化状态,从而实现对加塞车辆的精确判定。而若车道线的更新及时,则可通过第二种情况及时获取车道线的变化状态,节约通过采用第一种情况造成的较高的计算量。
在一些实施例中,若在执行本公开实施例的加塞车辆检测的方法的过程中,并未接收到车道线的更新的信息,则可基于视频确定出的车道线确定是否存在无效加塞区域。
具体地,计算两相邻车道的车道线之间的距离(其中,距离的计算方法可参见上述示例,此处不再赘述),若连续多个分割区间的两相邻车道的车道线的距离小于预设的车道线距离阈值,则可将多个分割区间对应的区间段确定为无效加塞区域。如图9中的6-1所示的A4对应的区域,以及图9中的6-2所示的A3对应的区域。而图9中的6-1所示的A1、A2和A3均为有效加塞区域,图9中的6-2所示的A1、A2和A4均为有效加塞区域。
其中,车道线距离阈值为用于衡量两相邻车道的车道线之间的距离的参数。同理,车道线距离阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
在另一些实施例中,若在执行本公开实施例的加塞车辆检测的方法的过程中,接收到车道线的更新的信息,则可基于车道线的更新的信息确定出无效加塞区域。如,基于需求或者经验确定无效加塞区域,或者基于仿真测试结果进行确定。
上述示例示范性地描述了标线信息,并描述了基于标线信息确定无效加塞区域,现对当前交通事件以及基于当前交通事件确定无效加塞区域进行阐述如下:
当前交通事件信息用于表征道路当前的交通事故或者道路维修等的交通的信息。例如:当前交通事件信息可分为两类,一类为交通事故对应的信息,一类为道路维修对应的信息。其中,交通事故包括但不限于撞车、抛锚和违停;道路维修可包括占道施工等。
值得说明的是,当前交通事件信息可至少分为两种情况,一种情况为当前交通事件信息为基于采集到的视频确定的交通事故等的信息;另一种情况为当前交通事件信息为接收到的交通事故等信息。
在一些实施例中,可则根据预设的第六阈值确定当前交通事件信息对应的无效加塞区域,具体可参阅图10。如图10所示,Ed为第六阈值。
同理,第六阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
在一些实施例中,若为第一种情况,则若基于视频确定出两车辆的行驶轨迹不再发生变化,且不再发生变化的时长大于预设的时间阈值,则说明该两车辆可能发生碰撞等交通事故,则根据两车辆的行驶轨迹和第六阈值确定无效加塞区域。
其中,时间阈值为用于衡量两辆车辆的行驶轨迹不再发生变化的时长的参数。同理,时间阈值基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
当然,在另一些实施例中,若为第一种情况,还可以采用与上述聚类处理并计算hausdorff距离的方式确定无效加塞区域。具体聚类处理和hausdorff距离的实现方法可参见上述示例,此处不再赘述,具体结果可参阅图11。其中,图11中所示的A1为有效加塞区域,A2为无效加塞区域。
在一些实施例中,若为第二种情况,则接收的方式包括基于通信链路接收交通部门发布的当前交通事件信息,还可包括基于电话的方式接收交通参与者(包括交通事件当事人或者旁观者等)上报的当前交通事件信息,还可包括基于通信链路接收社交媒体发布的当前交通事件信息,等等。
可选的,在另一些实施例中,检测装置还可以从其他设备或装置获取该道路的无效加塞区域的数据,直接根据无效加塞区域的数据确定该道路的无效加塞区域。
S105:将潜在加塞车辆确定为加塞车辆或者非加塞车辆。
在一些实施例中,该步骤可具体包括:在基于上述示例确定出潜在加塞车辆,且基于路况信息确定出无效加塞区域后,可判断潜在加塞车辆的行驶轨迹是否位于无效加塞区域,如果是,则可将潜在加塞车辆确定为非加塞车辆。
由于本申请可以根据路况信息确定道路上的无效加塞区域,避免了将无效加塞区域中存在加塞行为的车辆判定为加塞车辆,通过本公开实施例的加塞车辆检测的方法,可以提高加塞车辆检测的可靠性的技术效果。
在另一些实施例中,该步骤可具体包括:根据两相邻车道的标线信息确定两相邻车道的标线距离,如果标线距离小于标线距离阈值,则将潜在加塞车辆确定为非加塞车辆。
其中,标线距离阈值为用于衡量两相邻车道的标线之间的距离的参数。同理,标线距离阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
在该步骤中,标线信息可以理解为基于视频确定的标线信息,即基于历史轨迹确定的标线信息,也可以理解为当前接收到的标线信息。基于上述示例可知,相对而言,由于当前接收到的标线信息为实时信息,而历史轨迹属于过去一段时间对应的信息,而当为过去一段时间对应的信息时,相对更加适合基于时间段进行上述处理,得到相应的无效加塞区域。因此,该步骤的方法更加适合当标线信息为接收到标线信息时采用。
也就是说,当根据标线信息确定潜在加塞车辆为加塞车辆或者非加塞车辆时,可以分为两种情况,一种情况为该标线信息为基于历史轨迹确定的,则优选采用根据标线信息确定无效加塞区域,并通过判断潜在加塞车辆的行驶轨迹是否为于无效加塞区域确定该潜在加塞车辆为加塞车辆或者非加塞车辆;另一种情况为该标线信息为当前接收到的标线信息,则优选采用根据当前接收到的标线信息确定两相邻车道的标线距离,根据标线距离确定潜在加塞车辆为加塞车辆或者非加塞车辆。
在另一些实施例中,该步骤可具体包括:根据当前交通事件信息确定当前交通事件的位置信息,根据潜在加塞车辆的行驶轨迹确定潜在加塞车辆的变道的位置信息,判断当前交通事件的位置信息与变道的位置信息之间的距离是否小于位置阈值,若当前交通事件的位置信息与变道的位置信息之间的距离小于位置阈值,则可将潜在加塞车辆确定为非加塞车辆。
其中,位置阈值为用于衡量当前交通事件的位置信息与变道的位置信息之间的距离的参数。同理,位置阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
同理,在该步骤中,当前交通事件信息可以理解为基于视频确定的当前交通事件信息,即基于历史轨迹确定的当前交通事件信息,也可以理解为当前接收到的当前交通事件信息。基于上述示例可知,相对而言,由于当前接收到的交通事件信息为实时信息,而历史轨迹属于过去一段时间对应的信息,而当为过去一段时间对应的信息时,相对更加适合基于时间段进行上述处理,得到相应的无效加塞区域。因此,该步骤的方法更加适合当交通事件信息为接收到当前交通事件信息时采用。
也就是说,当根据当前交通事件信息确定潜在加塞车辆为加塞车辆或者非加塞车辆时,可以分为两种情况,一种情况为该当前交通事件信息为基于历史轨迹确定的,则优选采用根据当前交通事件信息确定无效加塞区域,并通过判断潜在加塞车辆的行驶轨迹是否位于无效加塞区域确定该潜在加塞车辆为加塞车辆或者非加塞车辆;另一种情况为该当前交通事件信息为当前接收到的交通事件信息,则优选采用根据当前接收到的当前交通事件信息确定当前交通事件的位置信息,并根据潜在加塞车辆的行驶轨迹确定潜在加塞车辆的变道的位置信息,并计算潜在加塞车辆的变道的位置信息与当前交通事件的位置信息之间的距离,若二者之间的距离小于位置阈值,则说明潜在加塞车辆距离当前交通事件的发生地点较近,为了确保行驶安全等,潜在加塞车辆可以选择变道,因此,将潜在加塞车辆确定为非加塞车辆。
S106:根据行驶轨迹计算加塞车辆对车道通行效率的影响值。
其中,影响值用于表征加塞车辆对车道通行效率的影响的程度,且车道通行效率用于表征行驶于车道的车辆的通行的效率,即车道通行效率可以理解为在单位时间内从车道通行的车辆占某时间段内行驶于车道的车辆的总量的百分比。
在一些实施例中,影响值可以通过加塞延误时间比表示,即可通过加塞延误时间比衡量加塞对车道通行效率的影响,且,加塞延时时间比用于表征由于车辆加塞的原因,造成的车辆通行的正常时间的延误时间之间的比值。
具体地,针对某一个拥堵的周期的时间跨度,且针对该时间跨度内的某加塞车辆,统计在该时间跨度,且在加塞车辆之前的x辆未受到该加塞车辆影响的车辆的跟车时距(其中,跟车时距是指两车通过统计位置的时间差)。例如,在时间跨度内,以加塞车辆为起始车辆向前遍历,向前遍历时,若遇到受加塞影响的车辆则跳过,只统计未受加塞影响的车辆,一直向前遍历,直至找到未受加塞影响的车辆,并计算得到平均跟车时距;且在时间跨度内,向后统计(包括加塞车辆)x辆受加塞影响车辆间的平均跟车时距。由此可以计算出受加塞影响车辆的额外时延,并计算加塞延误时间比,以便通过该加塞延误时间比衡量加塞对车道通行效率的影响,其中,加塞延误时间比用于表征所有被加塞车辆因为加塞导致的时延之和在总的正常跟车时长(预先设置的标准参数)中的占比,且加塞延误时间比的公式如下:
Pe=SUM_(i=1)^m(Oft-Nft)i/SUM_(i=1)^nNfti
其中,Pe为加塞延误时间比,m为在该时间跨度内受加塞影响的车辆的数目,n为在该时间跨度内通过的总的车辆的数目,Oft为向后统计得到的平均跟车时距,Nft为向前统计得到的平均跟车时距。
现结合图12对该步骤进行详细阐述如下:
如图12所示,车辆E为加塞车辆,若加塞车辆E对后续两辆车的通行效率有影响,则计算车辆B至A和车辆C至B的平均跟车时距,若该平均跟车时距为正常跟车时距(预先设置的标准参数),并计算车辆E至C和车辆D至E的跟车时距,并分别减去正常跟车时距,得到受到加塞影响的车辆E和车辆D的加塞延误时长,加塞延误时长之和除以拥堵周期内通过的车辆A至F的总跟车时距,即为本次拥堵的周期的时间跨度内的加塞延误时间比。
S107:当影响值大于预设的影响阈值,生成并发出告警信息。
该步骤可具体包括:将影响值与影响阈值进行比较,若影响值大于影响阈值,则生成并发出告警信息。
其中,影响阈值用于为用于衡量加塞车辆对车道通行效率的影响的参数。同理,影响阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
基于上述示例可知,影响值可以通过加塞延误时间比表示,则相应地,影响阈值也可通过时间比阈值进行表示,则S107可具体包括:
将加塞延误时间比与时间比阈值进行比较,若加塞延误时间比大于时间比阈值,则生成并发出告警信息。
同理,时间比阈值为用于衡量加塞车辆对车道通行效率的影响的参数。且,时间比阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
值得说明的是,对于车道而言,在某些时间段或者某些路段很难避免拥堵,如上下班高峰期,或者节假日等。因此,为了确保生成并发出的告警信息可有效性和可靠性,以避免浪费人力和物力等对车道进行维护等的资源,在一些实施例中,在该步骤的基础上,可对预设的第三时长内的加塞延误时间比的平均值进行计算,若平均值大于加塞延误时间比阈值,则生成并发出告警信息。其中,第三时长可以以天为单位,如一天或者多天,也可以为小时为单位,如六个小时或者十个小时,等等。
在一些实施例中,告警信息中携带对车道设置的调整信息和/或对交通设施的调整信息。
值得说明的是,路口车道的通行效率(车辆通行过一个路口前,在该路口红灯等待的次数)不均衡是路口产生加塞车辆的主要因素。例如左转车道通行效率低时,就会有车辆从直行车道加塞到左转排队车辆中。因此车道设置的调整信息的目的就是均衡各车道间的通行效率,减少加塞。如图13中的10-1所示,相对于直行车道,左转车道的车辆排队长度长、红灯等待次数更多,导致若直行车道的车辆变道至左转车道时,会将该变道的车辆确定为加塞车辆;图13中的10-2则为车道间(即直行车道和左转车道之间)红灯等待次数不均衡导致若左转车道的车辆变道至直行车道时,会将该变道的车辆确定为加塞车辆。
在一些实施例中,若直行车道的车辆加塞到左转车道的频率超过预设的频率阈值(即变道频率大于频率阈值),且左转车道和直行车道的车辆的平均红绿灯等待次数差值的绝对值小于预设的绝对值阈值,且路口宽度(即所有车道的宽度之和)超过宽度阈值,则车道设置的调整信息可包括:设置左转待行区,且具体可将左转待行区设置为一拖二左转待行区。
其中,频率阈值为用于衡量直行车道的车辆加塞到左转车道的频率的参数。同理,频率阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
其中,绝对值阈值为用于衡量左转车道和直行车道的车辆的平均红绿灯等待次数差值的绝对值的参数。同理,绝对值阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
其中,宽度阈值为用于衡量路口宽度的参数。同理,宽度阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
在另一些实施例中,若直行车道的车辆加塞到左转车道的频率超过频率阈值,且左转车道比直行车道的车辆的平均红绿灯等待次数的绝对值大于或等于绝对值阈值,则车道设置的调整信息包括:将部分直行车道设置为左转车道。
在另一些实施例中,若左转车道的车辆加塞到直行车道的频率超过频率阈值,且左转车道和直行车道的车辆平均红绿灯等待次数差值的绝对值小于绝对值阈值,且路口宽度超过第宽度阈值,则车道设置的调整信息包括:设置直行车道待行区。
在另一些实施例中,若左转车道的车辆加塞到直行车道的频率超过频率阈值,且直行车道比左转车道的车辆的平均红绿灯的绝对值大于或等于绝对值阈值,则车道设置的调整信息包括:将部分直行车道设置为左转车道。
在另一些实施例中,若同一路口在不同时间段分别存在左转车道的车辆加塞到直行车道和直行车道的车辆加塞到左转车道的频率超过频率阈值,按照以上情形发生的时间,车道设置的调整信息可包括:设置可变车道。例如,在左转车道的车辆加塞到直行车道的频率超过频率阈值的时间段,将车道设置为直行车道;在直行车道的车辆加塞到左转车道的频率超过频率阈值的时间段,将车道设置为左转车道。
在一些实施例中,若两条车道间单位时长加塞频率超过加塞频率阈值,则交通设施的调整信息包括:将对应的车道虚线调整成实线或者在车道线上设置护栏防止加塞。
其中,加塞频率阈值为用于衡量两条车道间单位时长加塞频率的参数。同理,加塞频率阈值可基于需求或者经验进行设定,也可预先进行仿真测试,以便基于测试结果进行设定。
当然,在另一些实施例中,若根据变道频率确定出某道路在某时段为事故高路段,则告警信息中还可携带请求警力现场支援的请求信息。
具体地,若在某时间段内,某路段因交通事件信息被频繁的判定为无效加塞区域,即在某时间段内,该路段多次在无效加塞区域和有效加塞区域切换,则说明该路段为事故高发路段,则可向交通部门发出请求警力现场支援的请求信息。
根据本公开实施例的另一个方面,本公开实施例还提供了一种加塞车辆检测的装置。
请参阅图14,图14为本公开实施例的加塞车辆检测的装置的框图。
如图14所示,该装置包括:采集模块11、数据处理模块12、加塞检测模块13,其中,
采集模块11,用于获取道路对应的视频,视频中记录了行驶于道路上的至少一个车辆的信息;
数据处理模块12,用于根据视频获得至少一个车辆的行驶轨迹;
加塞检测模块13,用于根据至少一个车辆的行驶轨迹确定潜在加塞车辆,潜在加塞车辆在当前时刻或历史时刻存在加塞行为;
加塞检测模块13还用于,获取与道路对应的路况信息,根据路况信息在潜在加塞车辆中确定加塞车辆。
在一些实施例中,加塞检测模块13具体用于,根据路况信息确定道路中的无效加塞区域,并判断潜在加塞车辆的加塞行为是否发生在无效加塞区域中,并将潜在加塞车辆中的加塞行为不是发生在无效加塞区中的车辆确定为加塞车辆。
在一些实施例中,路况信息包括以下信息中的一种或多种:在历史时段在道路上行驶的车辆的历史轨迹、道路的标线信息和当前时刻有关道路的交通事件信息。
在一些实施例中,加塞检测模块13还用于,获取道路中的无效加塞区域数据,根据无效加塞区域数据在潜在加塞车辆中确定加塞车辆。
结合图15可知,在一些实施例中,该装置还包括:
推荐模块14,用于根据行驶轨迹计算加塞车辆对道路的通行效率的影响值,并当影响值大于预设的影响阈值,生成告警信息。
也就是说,在本公开实施例中,采集模块11可用于执行上述方法实施例中的S101;数据处理模块12可用于执行上述方法实施例中的S102;加塞检测模块13可用于执行上述方法实施例中的S103至S105;推荐模块14可用于执行上述方法实施例中的S106和S107。
根据本公开实施例的另一个方面,本公开实施例还提供了一种电子设备和一种可读存储介质。
请参阅图16,图16为本公开实施例的电子设备的框图。
其中,电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图16所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图16中以一个处理器601为例。
存储器602即为本公开所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本公开所提供的加塞车辆的检测方法。本公开的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本公开所提供的加塞车辆的检测方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的加塞车辆的检测方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图16中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
具体地,用户可以通过键盘和指向装置将道路的标线信息和/或当前时刻有关道路的交通事件信息输入至计算机,且用户可以具体为交通管理相关工作人员。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
具体地,服务器可以通过与客户端之间的交互获取客户端发送的道路的标线信息和/或当前时刻有关道路的交通事件信息。
在一些实施例中,若服务器接收到的为道路的标线信息,则与服务器交互的客户端可能为交通管理相关部门的客户端,如交通管理员通过客户端将其设定或修正的道路的标线信息传输至服务器。
在另一些实施例中,若服务器接收的为客户端发送的当前时刻有关道路的交通事件信息,则与服务器交互的客户端可能为任一车辆用户对应的客户端,如某道路发生两车碰撞交通事故,行驶于该道路的某用户通过其客户端(可以为该用户的手机)将两车碰撞交通事故的信息传输至服务器。
根据本公开实施例的另一个方面,本公开实施例还提供了一种计算机程序产品,当所述计算机程序产品在处理器上运行时,可实现如上任一项实施例所述的方法。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种加塞车辆检测的方法,其特征在于,所述方法包括:
获取道路对应的视频,所述视频中记录了行驶于所述道路上的至少一个车辆的信息;
根据所述视频获得所述至少一个车辆的行驶轨迹;
根据所述至少一个车辆的行驶轨迹确定潜在加塞车辆,所述潜在加塞车辆在当前时刻或历史时刻存在加塞行为;
获取与所述道路对应的路况信息,根据所述路况信息在所述潜在加塞车辆中确定加塞车辆。
2.根据权利要求1所述的方法,其特征在于,所述根据所述路况信息在所述潜在加塞车辆中确定加塞车辆,包括:
根据所述路况信息确定所述道路中的无效加塞区域;
判断所述潜在加塞车辆的加塞行为是否发生在所述无效加塞区域中;
将所述潜在加塞车辆中的加塞行为不是发生在所述无效加塞区中的车辆确定为所述加塞车辆。
3.根据权利要求1或2所述的方法,其特征在于,所述路况信息包括以下信息中的一种或多种:在历史时段在所述道路上行驶的车辆的历史轨迹、所述道路的标线信息和当前时刻有关所述道路的交通事件信息。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取所述道路中的无效加塞区域数据,根据所述无效加塞区域数据在所述潜在加塞车辆中确定加塞车辆。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述方法还包括:
根据所述行驶轨迹计算所述加塞车辆对所述道路的通行效率的影响值;
当所述影响值大于预设的影响阈值,生成告警信息。
6.根据权利要求5所述的方法,其特征在于,所述生成告警信息包括:
确定预设时长内所述加塞车辆的变道信息,所述变道信息包括变道前后的车道信息以及变道频率;
根据所述变道信息生成所述告警信息。
7.一种加塞车辆检测的装置,其特征在于,所述装置包括:
采集模块,用于获取道路对应的视频,所述视频中记录了行驶于所述道路上的至少一个车辆的信息;
数据处理模块,用于根据所述视频获得所述至少一个车辆的行驶轨迹;
加塞检测模块,用于根据所述至少一个车辆的行驶轨迹确定潜在加塞车辆,所述潜在加塞车辆在当前时刻或历史时刻存在加塞行为;
所述加塞检测模块还用于,获取与所述道路对应的路况信息,根据所述路况信息在所述潜在加塞车辆中确定加塞车辆。
8.根据权利要求7所述的装置,其特征在于,所述加塞检测模块具体用于,根据所述路况信息确定所述道路中的无效加塞区域,判断所述潜在加塞车辆的加塞行为是否发生在所述无效加塞区域中,将所述潜在加塞车辆中的加塞行为不是发生在所述无效加塞区中的车辆确定为所述加塞车辆。
9.根据权利要求7或8所述的装置,其特征在于,所述路况信息包括以下信息中的一种或多种:在历史时段在所述道路上行驶的车辆的历史轨迹、所述道路的标线信息和当前时刻有关所述道路的交通事件信息。
10.根据权利要求7所述的装置,其特征在于,所述加塞检测模块还用于,获取所述道路中的无效加塞区域数据,根据所述无效加塞区域数据在所述潜在加塞车辆中确定加塞车辆。
11.根据权利要求7至10中任一项所述的装置,其特征在于,所述装置还包括:
推荐模块,用于根据所述行驶轨迹计算所述加塞车辆对所述道路的通行效率的影响值,并当所述影响值大于预设的影响阈值,生成告警信息。
12.根据权利要求11所述的装置,其特征在于,所述推荐模块用于,确定预设时长内所述加塞车辆的变道信息,所述变道信息包括变道前后的车道信息以及变道频率,并根据所述变道信息生成所述告警信息。
13.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,其中:
所述存储器中存储有计算机指令;
所述处理器执行所述计算机指令,以执行所述权利要求1-6中任一项权利要求所述的方法。
14.一种计算机可读存储介质,其特征在于,存储有计算机指令,当所述计算机指令被计算机执行时,所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010100187.8A CN113345242A (zh) | 2020-02-18 | 2020-02-18 | 检测加塞车辆的方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010100187.8A CN113345242A (zh) | 2020-02-18 | 2020-02-18 | 检测加塞车辆的方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113345242A true CN113345242A (zh) | 2021-09-03 |
Family
ID=77467051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010100187.8A Pending CN113345242A (zh) | 2020-02-18 | 2020-02-18 | 检测加塞车辆的方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113345242A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114429710A (zh) * | 2021-12-17 | 2022-05-03 | 华人运通(上海)自动驾驶科技有限公司 | 一种基于v2x车路云协同的交通流分析方法及*** |
DE102022101542A1 (de) | 2022-01-24 | 2023-07-27 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung und Verfahren zur Ermittlung eines Referenzverlaufs |
DE102022101540A1 (de) | 2022-01-24 | 2023-07-27 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung und Verfahren zur Ermittlung eines Referenz-Fahrpfads für einen Fahrbahnabschnitt |
-
2020
- 2020-02-18 CN CN202010100187.8A patent/CN113345242A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114429710A (zh) * | 2021-12-17 | 2022-05-03 | 华人运通(上海)自动驾驶科技有限公司 | 一种基于v2x车路云协同的交通流分析方法及*** |
CN114429710B (zh) * | 2021-12-17 | 2023-12-15 | 华人运通(上海)自动驾驶科技有限公司 | 一种基于v2x车路云协同的交通流分析方法及*** |
DE102022101542A1 (de) | 2022-01-24 | 2023-07-27 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung und Verfahren zur Ermittlung eines Referenzverlaufs |
DE102022101540A1 (de) | 2022-01-24 | 2023-07-27 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung und Verfahren zur Ermittlung eines Referenz-Fahrpfads für einen Fahrbahnabschnitt |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492556B (zh) | 一种交通事故规避信息的发布方法及云服务器 | |
CN111739344B (zh) | 一种预警方法、装置及电子设备 | |
CN113345242A (zh) | 检测加塞车辆的方法、装置及设备 | |
CN111028507B (zh) | 交通拥堵致因确定方法及装置 | |
Tageldin et al. | Evaluating the safety and operational impacts of left-turn bay extension at signalized intersections using automated video analysis | |
CN112258842A (zh) | 交通监测方法、装置、设备及存储介质 | |
CN109830117B (zh) | 道路规划优化方法、装置、计算机设备及存储介质 | |
US11798408B2 (en) | Green wave speed determination method, electronic device and storage medium | |
CN110648533A (zh) | 一种交通管控方法、设备、***及存储介质 | |
Yuan et al. | Modeling real-time cycle-level crash risk at signalized intersections based on high-resolution event-based data | |
CN105303823A (zh) | 车辆违规监控方法和*** | |
JP7063379B2 (ja) | 交通監視装置、交通監視システム、交通監視方法及びプログラム | |
CN111477028B (zh) | 自动驾驶中用于生成信息的方法和装置 | |
CN112101223B (zh) | 检测方法、装置、设备和计算机存储介质 | |
CN109493606A (zh) | 一种高速公路上违停车辆的识别方法及*** | |
CN115601983A (zh) | 交通信号灯的周期时长确定方法、装置、设备和存储介质 | |
CN111681417B (zh) | 交通路口渠化调整方法和装置 | |
CN115547084A (zh) | 道路通行状况预测方法、装置、电子设备及计算机程序产品 | |
Lavrenz et al. | Use of high-resolution signal controller data to identify red light running | |
CN111383453A (zh) | 交通信号控制在线仿真和实时跟踪反馈***及运行方法 | |
CN112991735B (zh) | 交通流量监测***的测试方法、装置及设备 | |
CN114373297B (zh) | 一种数据处理装置、方法及电子设备 | |
CN114596704A (zh) | 交通事件处理方法、装置、设备及存储介质 | |
CN114973656A (zh) | 交通交互性能的评估方法、装置、设备、介质和产品 | |
Clark et al. | Exploration of work zone crash causes and implications for safety performance measurement programs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |